Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

北大清华伯克利等知名高校最新AI研究成果

Answer

以下是北大清华伯克利等知名高校的最新 AI 研究成果: 国内方面: - 清华大学的自然语言处理实验室资助了 OpenBMB 项目,催生了 MiniCPM 项目,这是可以在设备上运行的小型<2.5B 参数模型,其 2.8B 视觉模型在某些指标上仅略低于 GPT-4V。 - 阿里巴巴最近发布了 Qwen-2 系列,社区对其视觉能力印象深刻,能完成从具有挑战性的 OCR 任务到分析复杂的艺术作品等。 国外方面: - Stability AI 发布的 Stable Video Diffusion 是第一个能够从文本提示生成高质量、真实视频的模型之一,并且在定制化方面取得了显著的进步。今年 3 月,他们推出了 Stable Video 3D,该模型经过第三个对象数据集的微调,可以预测三维轨道。 - OpenAI 的 Sora 能够生成长达一分钟的视频,同时保持三维一致性、物体持久性和高分辨率。它使用时空补丁,类似于在变压器模型中使用的令牌,但用于视觉内容,以高效地从大量视频数据集中学习。此外,Sora 还使用了其原始大小和纵横比的视觉数据进行训练,从而消除了通常会降低质量的裁剪和缩放。 - Google DeepMind 的 Veo 将文本和可选图像提示与嘈杂压缩视频输入相结合,通过编码器和潜在扩散模型处理它们,以创建独特的压缩视频表示。然后系统将此表示解码为最终的高分辨率视频。 此外,Geoffrey Hinton 让“深度学习”从边缘课题变成 Google 等网络巨头仰赖的核心技术。Hinton 和他的团队让 CIFAR 获得丰厚回报,深度学习也成为目前的主流。Hinton 冷静、谦逊与公平的态度为 NCAP 建立了良好的开放合作氛围,推进了世界的 AI 研究工作。 关于未来研究方向的参考资料包括: - 人工智能技术与安全研究:DeepMind、OpenAI、MIT、Stanford、Berkeley 等机构的论文,“AI Index”(斯坦福大学发布)、OpenAI 技术博客、Google AI Blog 等技术报告,专家著作如 Nick Bostrom《Superintelligence》、Stuart Russell《Human Compatible》等。 - 经济与社会变迁:IMF、世界银行、OECD、WEF(世界经济论坛)的未来就业与技术报告,未来学与社会预测如 Herman Kahn、Ray Kurzweil《The Singularity is Near》等,科技史与社会影响方面如 Joseph Schumpeter(创新与经济周期)、Carlota Perez(技术革命与金融资本),以及经济学者对产业革命的历史演化研究。 - 政治与国际关系:联合国关于 AI 和数字治理的政策文件、欧盟 AI Act 的立法草案与相关研究,前沿智库与研究中心如 Future of Humanity Institute(牛津大学)、Machine Intelligence Research Institute(MIRI)、Brookings、RAND Corporation 等,军事与国防方面如美国国防部和 NATO 对 AI 的战略规划,中国、欧盟、日本等国家的 AI 国家政策及军民融合案例。
Content generated by AI large model, please carefully verify (powered by aily)

References

2024人工智能报告|一文迅速了解今年的AI界都发生了什么?

**中国开源项目在今年赢得全球粉丝,并且已经成为积极开源贡献者。**其中几个模型在个别子领域中脱颖而出,成为强有力的竞争者。DeepSeek在编码任务中已成为社区的最爱,其组合了速度、轻便性和准确性而推出的deepseek-coder-v2。阿里巴巴最近发布了Qwen-2系列,社区对其视觉能力印象深刻,从具有挑战性的OCR任务到分析复杂的艺术作品,都完成的非常好。在较小的一端,清华大学的自然语言处理实验室资助了OpenBMB项目,该项目催生了MiniCPM项目。这些是可以在设备上运行的小型<2.5B参数模型。它们的2.8B视觉模型在某些指标上仅略低于GPT-4V。2024年是AI图像视频迅速发展的一年,这个赛道竞争异常激烈国外Stability AI发布的Stable Video Diffusion,是第一个能够从文本提示生成高质量、真实视频的模型之一,并且在定制化方面取得了显著的进步。并且在今年3月,他们推出了Stable Video 3D,该模型经过第三个对象数据集的微调,可以预测三维轨道。OpenAI的Sora能够生成长达一分钟的视频,同时保持三维一致性、物体持久性和高分辨率。它使用时空补丁,类似于在变压器模型中使用的令牌,但用于视觉内容,以高效地从大量视频数据集中学习。除此之外,Sora还使用了其原始大小和纵横比的视觉数据进行训练,从而消除了通常会降低质量的裁剪和缩放。Google DeepMind的Veo将文本和可选图像提示与嘈杂压缩视频输入相结合,通过编码器和潜在扩散模型处理它们,以创建独特的压缩视频表示。然后系统将此表示解码为最终的高分辨率视频。

Geoffrey Hinton 是这个人,一步步把“深度学习”从边缘课题变成Google等网络巨头仰赖的核心技术

只用了一年,Hinton和他的团队就让CIFAR看到他们的投资会有多么丰厚的回报。而Google已经尝到了甜头。在这个过程中,Hinton和NCAP已然让人刮目相看。相比传统的工程技术,大学生们更乐意去从事深度学习的研究,来自阿姆斯特丹大学的计算机科学教授Max Welling如是说,“就算是远在荷兰的大学生,他们也知道正在发生什么事,他们都想投奔到这个行业来呢。”换句话说,深度学习是目前的主流。“我们不再是极端分子了,”Hinton说,“我们现在可是炙手可热的核心技术呢。”Hinton和深度学习的未来秋季,NCAP在旧金山举行了年度研讨会。该研讨会探讨范围广泛,包括了神经系统科学,机器学习,计算机图形设计,面部识别和运动检测等方面。在演讲途中,Hinton静静的站在讲台附近,大多数情况下,他只是聆听,只是偶尔打断演讲者提出一两个问题,或鼓励他的智囊团提出问题并及时讨论。他的冷静、谦逊与公平,对NCAP的成员来说,建立了一个良好的开放合作的氛围,这给他们带来了鼓励,也直接推进了世界的AI研究工作。深度学习的革命是迟早会发生的,但有了NCAP,有了Hinton,微软、Google、雅虎等网络巨头在语音识别、人工视觉系统等方面的发展就提前了许多。“Geoff就像正能量,每个人都想向他看齐。”Bruno Olshausen,加州大学伯克利分校的Redwood神经系统科学研究中心的主任如是评价。即便不是NCAP的成员也对此表示同意。“在过去的20到30年里,他一直在推动着神经网络和深度学习在前进,”余凯,百度深度学习研究院副院长提到,“在此之前,机器学习或者AI技术从未如此对行业产生过如此迅猛的影响。”

[趋势研究] Deep Research - AGI 实现后未来 20 年人类社会的变革

注:以下并非具体文献,而是指引阅读与研究的方向,可进一步收集文献、报告、论文、数据集等。人工智能技术与安全研究Academic Papers:DeepMind、OpenAI、MIT、Stanford、Berkeley等机构的论文。技术报告:“AI Index”(斯坦福大学发布)、OpenAI技术博客、Google AI Blog等。专家著作:Nick Bostrom《Superintelligence》、Stuart Russell《Human Compatible》等。经济与社会变迁经济学与社会学研究:IMF、世界银行、OECD、WEF(世界经济论坛)的未来就业与技术报告。未来学与社会预测:Herman Kahn、Ray Kurzweil《The Singularity is Near》等。科技史与社会影响:Joseph Schumpeter(创新与经济周期)、Carlota Perez(技术革命与金融资本),以及经济学者对产业革命的历史演化研究。政治与国际关系国际组织材料:联合国关于AI和数字治理的政策文件、欧盟AI Act的立法草案与相关研究。前沿智库与研究中心:Future of Humanity Institute(牛津大学)、Machine Intelligence Research Institute(MIRI)、Brookings、RAND Corporation等。军事与国防:美国国防部和NATO对AI的战略规划,中国、欧盟、日本等国家的AI国家政策及军民融合案例。

Others are asking
如何让企业微信可以接上 AI?让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服,可以参考以下内容: 1. 基于 COW 框架的 ChatBot 实现方案:这是一个基于大模型搭建的 Chat 机器人框架,可以将多模型塞进微信(包括企业微信)里。张梦飞同学写了更适合小白的使用教程,链接为: 。 可以实现打造属于自己的 ChatBot,包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能,以及常用开源插件的安装应用。 正式开始前需要知道:本实现思路需要接入大模型 API 的方式实现(API 单独付费)。 风险与注意事项:微信端因为是非常规使用,会有封号危险,不建议主力微信号接入;只探讨操作步骤,请依法合规使用,大模型生成的内容注意甄别,确保所有操作均符合相关法律法规的要求,禁止将此操作用于任何非法目的,处理敏感或个人隐私数据时注意脱敏,以防任何可能的滥用或泄露。 支持多平台接入,如微信、企业微信、公众号、飞书、钉钉等;多模型选择,如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等;多消息类型支持,能处理文本、语音和图片,以及基于自有知识库进行定制的企业智能客服功能;多部署方法,如本地运行、服务器运行、Docker 的方式。 2. DIN 配置:先配置 FastGpt、OneAPI,装上 AI 的大脑后,可体验知识库功能并与 AI 对话。新建应用,在知识库菜单新建知识库,上传文件或写入信息,最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中,AI 面临着巨大挑战,如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法,利用价值网络评估棋面优劣,策略网络选择最佳落子,且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练,达到蒙特卡洛树搜索水平,并将其与蒙特卡洛树搜索有机结合,取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步,也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外,神经网络在处理未知规则方面具有优势,虽然传统方法在处理象棋问题上可行,但对于围棋则困难重重,而神经网络专门应对此类未知规则情况。关于这部分内容,推荐阅读《这就是 ChatGPT》一书,其作者备受推崇,美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容: 1. Coze:支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容,可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时,输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序,标注要采集的内容,内容上传成功率高。 2. AI Share Card:能够一键解析各类网页内容,生成推荐文案,把分享链接转换为精美的二维码分享卡。通过用户浏览器,以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频(文生视频)的相关信息: 一些提供文生视频功能的产品: Pika:擅长动画制作,支持视频编辑。 SVD:Stable Diffusion 的插件,可在图片基础上生成视频。 Runway:老牌工具,提供实时涂抹修改视频功能,但收费。 Kaiber:视频转视频 AI,能将原视频转换成各种风格。 Sora:由 OpenAI 开发,可生成长达 1 分钟以上的视频。 更多相关网站可查看:https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤(以梦 AI 为例): 进入平台:打开梦 AI 网站并登录,新用户有积分可免费体验。 输入提示词:涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成:确认提示词无误后,选择模型、画面比例,点击「生成」按钮。 预览与下载:生成完毕后预览视频,满意则下载保存,不理想可调整提示词再试。 视频模型 Sora:OpenAI 发布的首款文生视频模型,能根据文字指令创造逼真且充满想象力的场景,可生成长达 1 分钟的一镜到底超长视频,视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
学AI上钉钉
以下是在钉钉上学 AI 的相关内容: 从 AI 助教到智慧学伴的应用探索: 登录钉钉客户端,在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后,填写 AI 助理信息,设置完成即可创建成功。 AI 领导力向阳乔木:未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤: 创建应用: 进入,登录后点击创建应用,填写应用相关信息。 点击添加应用能力,选择“机器人”能力并添加。 配置机器人信息后点击发布,发布后点击“点击调试”,会自动创建测试群聊,可在客户端查看。点击版本管理与发布,创建新版本发布。 项目配置: 点击凭证与基础信息,获取 Client ID 和 Client Secret 两个参数。 参考项目,将相关配置加入项目根目录的 config.json 文件,并设置 channel_type:"dingtalk",注意运行前需安装依赖。 点击事件订阅,点击已完成接入,验证连接通道,会显示连接接入成功。 使用:与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
AI术语解释
以下是一些常见的 AI 术语解释: Agents(智能体):一个设置了一些目标或任务,可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同,Agent 拥有复杂的工作流程,模型本质上可以自我对话,无需人类驱动每一部分的交互。属于技术范畴。 ASI(人工超级智能):尽管存在争议,但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention(注意力):在神经网络的上下文中,有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias(偏差):AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot(聊天机器人):一种计算机程序,旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP(对比语言图像预训练):由 OpenAI 开发的 AI 模型,用于连接图像和文本,使其能够理解和生成图像的描述。属于技术范畴。 TPU(张量处理单元):谷歌开发的一种微处理器,专门用于加速机器学习工作负载。属于技术范畴。 Training Data(训练数据):用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning(迁移学习):机器学习中的一种方法,其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data(验证集):机器学习中使用的数据集的子集,独立于训练数据集和测试数据集。用于调整模型的超参数(即架构,而不是权重)。属于技术范畴。 Knowledge Distillation(数据蒸馏):数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集,使得在这一小数据集上训练出的模型,和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用,特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型,并能够促进模型的迁移学习和模型集成,提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG(检索增强生成):检索增强生成。属于技术范畴。 Forward Propagation(前向传播):在神经网络中,输入数据被馈送到网络并通过每一层(从输入层到隐藏层,最后到输出层)以产生输出的过程。网络对输入应用权重和偏差,并使用激活函数生成最终输出。属于技术范畴。 Foundation Model(基础模型):在广泛数据上训练的大型 AI 模型,旨在适应特定任务。属于技术范畴。 GAN(通用对抗网络):一种机器学习模型,用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗:一个“生成器”,创建新数据,另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI(生成式 AI):AI 的一个分支,专注于创建模型,这些模型可以根据现有数据的模式和示例生成新的原创内容,例如图像、音乐或文本。属于通识范畴。 GPU(图形处理单元):一种特殊类型的微处理器,主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18
用AI写作一些研究成果总结类的文章
利用 AI 写作研究成果总结类文章可以参考以下步骤和建议: 1. 确定课题主题:明确研究兴趣和目标,选择具有研究价值和创新性的主题。 2. 收集背景资料:使用学术搜索引擎和文献管理软件等 AI 工具搜集相关研究文献和资料。 3. 分析和总结信息:利用 AI 文本分析工具提取收集资料中的关键信息和主要观点。 4. 生成大纲:使用 AI 写作助手生成包括引言、文献综述、方法论、结果和讨论等部分的大纲。 5. 撰写文献综述:借助 AI 工具撰写文献综述,确保内容准确完整。 6. 构建方法论:根据研究需求,采用 AI 建议的方法和技术设计研究方法。 7. 数据分析:若课题涉及数据收集和分析,使用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑:利用 AI 写作工具撰写课题各部分,并进行语法和风格检查。 9. 生成参考文献:使用 AI 文献管理工具生成正确的参考文献格式。 10. 审阅和修改:利用 AI 审阅工具检查课题的逻辑性和一致性,根据反馈修改。 11. 提交前的检查:使用 AI 抄袭检测工具确保课题的原创性,并进行最后的格式调整。 需要注意的是,AI 工具只是辅助,不能完全替代研究者的专业判断和创造性思维,使用时应保持批判性思维,确保研究质量和学术诚信。 另外,关于总结类文章,AI 很有可能不会读完整个文章,而只是头尾读一下,中间随机读。使用 Python 的 request 库读取网页速度不快,很多大语言模型实际上也没有真去搜索网页,这更像是大语言模型开发商的“狡猾”,用“AI 幻觉”背锅了。 除了聊天内容,还能让 AI 总结整理各种文章(不超过 2 万字),例如复制文章给 GPTs 让其总结。对于 B 站视频,若有字幕,可安装油猴脚本获取字幕,将其复制给 AI 执行内容总结任务,总结完还可继续提问或探讨细节。
2024-12-11
AI 领域的前沿研究成果
以下是 AI 领域的一些前沿研究成果: 在现代 AI 理解方面,有“AI 典藏”资源列表,包含对 Transformer 和 Latent Diffusion 模型的介绍,以及技术学习资源、构建大型语言模型的实用指南和 AI 市场分析等。其中,2017 年谷歌发布的“Attention is All You Need”论文向世界介绍了 Transformer 模型,开启了生成 AI 的时代。 在医疗领域,ChatGPT 和 Google Bard 等技术加速了医疗健康生物制药的研究。例如,AI 提前三年诊断胰腺癌;两名高中生与医疗技术公司合作发现与胶质母细胞瘤相关的新靶基因;AI 帮助筛选抗衰老的高效药物候选物;利用 AI 寻找阿尔兹海默症的治疗方法等。 在其他数据模态方面,如 DreamFusion:Textto3D using 2D diffusion(2022),是来自 Google 和加州大学伯克利分校的研究人员基于 NeRF 从 2D 输入生成 3D 图像的工作。
2024-08-21